室内未知环境遍历路径规划算法综述

在全局环境未知的情况下,机器人根据自身的传感器实现对环境的遍历探测,称为未知环境的遍历路径规划。其相关算法可以分为3类:一种是简单的随机遍历策略,如迂回往复式;一种是在沿边学习后,建立环境轮廓模型,采用全局视角与局部路径规划相结合的算法;另一种是不采取沿边学习的漫步式探测路径规划。

室内未知环境下动态障碍物定位研究

针对室内未知环境下的动态障碍物定位,提出了一种基于形态学滤波与混合高斯模型的Background Subtractor MOG2算法相结合的动态障碍物定位,并通过一种以针孔模型为原理的视觉测距模型方法,计算出图像坐标与世界坐标的几何关系,绘制了一定比例的局部地图,通过对环境以及障碍物的真实位置与构建的局部地图对比试验,验证了采用此方法对动态障碍物定位的准确性。

未知环境下室内轮式机器人路径规划算法

针对轮式机器人在室内环境未知情况下的路径规划问题,提出一种静态和动态路径规划相结合的混合算法。通过对环境信息进行聚类处理,判断障碍物的类型。当环境中不存在动态障碍物时,采用基于R-QRRT算法的静态路径规划,通过区域量化和方向引导,改善了RRT算法的随机性和效率。环境中存在动态障碍物时,采用D-APF算法的动态路径规划,采用评估障碍物对机器人的影响程度,选择性忽略某一障碍物,以解决APF算法易陷入局部最小值的问题。最后通过MATLAB仿真验证了R-QRRT算法和D-APF算法的可行性,在真实环境下进行轮式机器人路径规划实验,实验结果表明所提出的混合路径规划算法在室内环境未知情况下具有良好的路径规划效果。

基于多传感器融合的移动机器人定位研究

针对室内未知环境下单一传感器定位累积误差大、受环境局限等缺点,设计一种多传感器非线性融合定位系统,以提高移动机器人自主导航的定位精度。该系统通过高斯牛顿方程对由激光雷达、惯性测量单元、轮式里程计测量得到的位姿信息进行融合优化,补偿由于在室内环境信息下单一传感器定位精度低所带来的定位误差。实验结果表明:应用多传感器融合定位系统的移动机器人在长6 m、宽3 m的室内面对曲折复杂的路径和各种噪声干扰时运行总路程12.8 m后,可以将定位误差稳定在0.1063 m内,并将平均相对误差稳定在0.716%左右。与现有方法对比,使用该方法提高了室内移动机器人定位的精度和鲁棒性。